人工智能助力心理學(xué)研究的應(yīng)用場(chǎng)景

朱廷劭

【摘要】作為研究人行為和心理活動(dòng)規(guī)律的一門科學(xué)，心理學(xué)既年輕又古老。隨著技術(shù)的發(fā)展，尤其是近些年來(lái)人工智能的突飛猛進(jìn)，為心理學(xué)研究及應(yīng)用帶來(lái)了新的思路。利用人工智能和大數(shù)據(jù)獲得的生態(tài)化行為數(shù)據(jù)，提高了研究結(jié)果的內(nèi)部效度和外部效度。筆者以家庭暴力研究、主動(dòng)自殺干預(yù)為例，介紹了人工智能大數(shù)據(jù)在心理學(xué)領(lǐng)域中的應(yīng)用。同時(shí)，在利用大數(shù)據(jù)進(jìn)行相關(guān)心理指標(biāo)分析時(shí)，也要注重保護(hù)用戶隱私，合理合規(guī)使用大數(shù)據(jù)和人工智能技術(shù)。

【關(guān)鍵詞】人工智能? 心理學(xué)? 生態(tài)化數(shù)據(jù)

【中圖分類號(hào)】B84? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 【文獻(xiàn)標(biāo)識(shí)碼】A

【DOI】10.16619/j.cnki.rmltxsqy.2019.20.006

前言

心理學(xué)是研究人的行為和心理活動(dòng)規(guī)律的科學(xué)，既古老又年輕。但是，早期的心理學(xué)研究主要以哲學(xué)思辨為主，1879年，德國(guó)心理學(xué)家馮特在德國(guó)萊比錫大學(xué)建立了第一個(gè)心理學(xué)實(shí)驗(yàn)室，心理學(xué)至此開(kāi)始成為一門獨(dú)立的科學(xué)。

心理學(xué)通過(guò)科學(xué)的方法分析人的行為和心理，目前以自我報(bào)告法為主要技術(shù)手段（Robins Tracy， & Sherman， 2007）。自我報(bào)告法操作簡(jiǎn)便應(yīng)用廣泛，但也存在一些不足：受被試記憶偏差的影響，時(shí)效性較差，往往只能做前瞻性研究，難以開(kāi)展回溯性研究;時(shí)間和開(kāi)銷較大，受制于測(cè)量的人力物力，難以大規(guī)模地進(jìn)行頻率較高的測(cè)量;依賴被試的主動(dòng)配合，在被試不配合或者難以獲取被試樣本的情況下，則無(wú)法進(jìn)行。

自我報(bào)告法中的問(wèn)卷和量表都是自陳式的，要求被試根據(jù)自身的情況回答每個(gè)問(wèn)題，這些問(wèn)題也大多聚焦于行為，最后通過(guò)計(jì)分方法獲得對(duì)被試的心理測(cè)量。從過(guò)程中，我們可以看出，如果被試誠(chéng)實(shí)作答的話，被試行為部分的問(wèn)題，無(wú)論是被試自我報(bào)告，還是他人作答，抑或是計(jì)算機(jī)自動(dòng)完成，應(yīng)該都能夠達(dá)到同樣的結(jié)果。從另外一個(gè)角度來(lái)看，人的行為是受心理支配的，是心理的一種外顯表現(xiàn)。行為和心理之間存在著復(fù)雜但有章可循的對(duì)應(yīng)關(guān)系，如果我們能夠在獲取被試行為的同時(shí)，也有辦法掌握行為和心理的這種對(duì)應(yīng)關(guān)系，那么就可以通過(guò)對(duì)被試行為的觀察，自動(dòng)獲取被試的心理特征，這也就能夠克服傳統(tǒng)的方法帶來(lái)的依賴被試且難以大范圍推廣的弱點(diǎn)。

基于人工智能的心理識(shí)別

技術(shù)的迅猛發(fā)展為人們的工作生活帶來(lái)了巨大的便利，在與人類的生存及環(huán)境深度融合的過(guò)程中，也呈現(xiàn)出與既往環(huán)境不同的復(fù)雜性與特殊性，這為心理學(xué)研究提供了新的研究思路和手段。

隨著互聯(lián)網(wǎng)及各種智能可穿戴設(shè)備的普及，虛擬環(huán)境與現(xiàn)實(shí)生活不斷融合，現(xiàn)實(shí)社會(huì)中人的各種行為線索能夠被電子化記錄成大數(shù)據(jù)保存下來(lái)，例如，網(wǎng)絡(luò)行為、手機(jī)使用行為等。

大量研究發(fā)現(xiàn)，互聯(lián)網(wǎng)用戶的網(wǎng)絡(luò)行為與其心理特征存在著關(guān)聯(lián)關(guān)系。Amichai-Hamburger和Ben-Artzi（2000）首次從實(shí)證研究的角度發(fā)現(xiàn)人格特征與互聯(lián)網(wǎng)行為之間存在著相關(guān)關(guān)系。Wilson等（2009）發(fā)現(xiàn)，使用“社交網(wǎng)站”的傾向與外向性人格傾向呈現(xiàn)正相關(guān)關(guān)系，與盡責(zé)性人格傾向呈現(xiàn)負(fù)相關(guān)關(guān)系。Harwood等人（2014）研究發(fā)現(xiàn)，較高程度的智能設(shè)備卷入水平與較高程度的抑郁情緒水平存在著聯(lián)系，這表明用戶與智能設(shè)備之間的聯(lián)系緊密程度，對(duì)其自身的抑郁、焦慮水平具有一定的預(yù)測(cè)作用。Yusong等（2016）發(fā)現(xiàn)電話、短信、應(yīng)用的使用情況等多維智能手機(jī)使用行為特征與心理狀態(tài)有比較高的相關(guān)性。上述研究表明，人們的日常行為線索可以被電子化記錄下來(lái)，并且這些量化的行為線索與用戶的心理特征之間存在著密切的關(guān)系。

Brunswik（1956）指出，在私人的空間環(huán)境中蘊(yùn)含著能夠表征主體自身的心理特征的行為線索。借助于“行為痕跡”（behavioral residue），這些表征主體心理特征的線索能夠經(jīng)由人們?nèi)粘Ｉ钪械母鞣N場(chǎng)景中表現(xiàn)出來(lái)。通過(guò)對(duì)這些行為痕跡、行為線索的分析，借助人工智能技術(shù)，能夠?qū)崿F(xiàn)對(duì)用戶自身心理特征的自動(dòng)識(shí)別。Kosinski等（2013）根據(jù)個(gè)體的點(diǎn)贊情況，預(yù)測(cè)出該用戶的性別、年齡、幸福感、種族等基本信息，并且對(duì)于性取向這個(gè)較為敏感的話題進(jìn)行預(yù)測(cè)分析，分類準(zhǔn)確率均達(dá)到85%以上。Li等人（2014）分別對(duì)大五人格的宜人性、盡責(zé)性、外向性、開(kāi)放性和神經(jīng)質(zhì)等五個(gè)維度建立基于微博行為特征的回歸預(yù)測(cè)模型，預(yù)測(cè)分?jǐn)?shù)與真實(shí)分?jǐn)?shù)之間的相關(guān)系數(shù)達(dá)到中等以上相關(guān)。Hao等（2013）根據(jù)文本分析結(jié)果與用戶瀏覽記錄分別建立心理健康預(yù)測(cè)模型和主觀幸福感網(wǎng)絡(luò)預(yù)測(cè)模型，預(yù)測(cè)準(zhǔn)確率均達(dá)到良好水平。這些研究表明，利用用戶的生態(tài)化的行為線索，通過(guò)機(jī)器學(xué)習(xí)訓(xùn)練得到的預(yù)測(cè)模型，可以實(shí)現(xiàn)對(duì)用戶心理特征的有效識(shí)別。

相較于傳統(tǒng)測(cè)量方法，利用用戶生態(tài)化的行為線索自動(dòng)預(yù)測(cè)其心理特征，能夠有效揭示心理特征的連續(xù)變化趨勢(shì)。而且，在生態(tài)環(huán)境下不依賴被試的主觀報(bào)告，減少了對(duì)被試的依賴，可以收集更加真實(shí)的即時(shí)數(shù)據(jù)，避免遺忘效應(yīng)及大部分主客觀因素的影響。

有鑒于此，我們提出了生態(tài)化識(shí)別（Ecological Recognition， ER）方法，充分利用生態(tài)化的行為數(shù)據(jù)，結(jié)合人工智能技術(shù)，實(shí)現(xiàn)對(duì)個(gè)體心理特征的自動(dòng)識(shí)別，從而減少對(duì)被試的依賴，同時(shí)，也可以拓展心理學(xué)研究的范疇。

生態(tài)化識(shí)別

生態(tài)化識(shí)別是指利用生態(tài)化方式采集數(shù)據(jù)，結(jié)合機(jī)器學(xué)習(xí)方法，通過(guò)無(wú)侵?jǐn)_的測(cè)量方法對(duì)用戶的心理特征進(jìn)行自動(dòng)識(shí)別（Liu et al.， 2018）。

生態(tài)化的數(shù)據(jù)采集是指通過(guò)生態(tài)化的錄音、面部變化、步態(tài)、網(wǎng)絡(luò)行為數(shù)據(jù)、日記等自然狀態(tài)下的數(shù)據(jù)采集，得到用戶授權(quán)而在測(cè)量時(shí)用戶未知測(cè)量目的或未感知到測(cè)量的生態(tài)化記錄方式。

利用人工智能實(shí)現(xiàn)在線主動(dòng)自殺干預(yù)

據(jù)統(tǒng)計(jì)，我國(guó)每年有28.7萬(wàn)人死于自殺，200萬(wàn)人自殺未遂，由此造成的直接和間接經(jīng)濟(jì)、社會(huì)、心理?yè)p失不可估量，自殺逐漸成為一個(gè)嚴(yán)重的公共衛(wèi)生問(wèn)題。傳統(tǒng)的自殺風(fēng)險(xiǎn)評(píng)估研究主要采用心理測(cè)驗(yàn)、訪談、問(wèn)卷等分析方法，但從應(yīng)用效果上說(shuō)，以上方法具有較大的被動(dòng)性;往往有自殺企圖或傾向的人主動(dòng)求助率低，而且很難防止他們刻意隱藏內(nèi)心的真實(shí)想法，難以起到及時(shí)預(yù)警的作用。

隨著近年來(lái)越來(lái)越多的社交網(wǎng)絡(luò)平臺(tái)給人們更多機(jī)會(huì)在虛擬集群中吐露自己的感受和觀點(diǎn)，不同于傳統(tǒng)研究方法的被動(dòng)性，我們利用生態(tài)化識(shí)別的方法，通過(guò)對(duì)社會(huì)網(wǎng)絡(luò)上用戶表達(dá)內(nèi)容的分析，自動(dòng)識(shí)別出具有自殺意念的用戶，從而能夠主動(dòng)尋找有潛在自殺傾向的個(gè)體，向他們提供及時(shí)的幫助。

在新浪微博用戶文本分析基礎(chǔ)上，結(jié)合用戶行為數(shù)據(jù)分析，我們首先比較了自殺死亡用戶和無(wú)自殺傾向用戶在社交行為、語(yǔ)言使用上的差別，進(jìn)而歸納出有自殺傾向的用戶的可識(shí)別模式，建立自殺意念識(shí)別模型。該模型的精確率、召回率、F值和準(zhǔn)確率分別為0.88、0.85、0.85和0.86，優(yōu)于之前相同領(lǐng)域內(nèi)自殺識(shí)別的模型的性能。

通過(guò)對(duì)各種微博內(nèi)容的實(shí)時(shí)分析，甄別出其中帶有自殺意念的發(fā)言，并通過(guò)對(duì)發(fā)言用戶的以往行為和內(nèi)容的分析，更進(jìn)一步確認(rèn)該用戶的自殺意念后，通過(guò)微博私信向他們提供及時(shí)有效的干預(yù)：推送各地區(qū)的自殺干預(yù)熱線、提供心理健康的一般常識(shí)及情緒調(diào)節(jié)策略等。通過(guò)志愿者，我們也為那些有自殺意念的微博用戶提供心理危機(jī)干預(yù)及轉(zhuǎn)介服務(wù)。我們的系統(tǒng)自2017年7月上線，運(yùn)行兩年多來(lái)的調(diào)查結(jié)果表明，通過(guò)與志愿者的交流，有自殺意念的微博用戶情況得到好轉(zhuǎn)，我們的工作點(diǎn)燃了他們向生的希望。

利用生態(tài)化識(shí)別并向社交媒體用戶提供自殺主動(dòng)預(yù)防（Liu et al.， 2019），特別是針對(duì)年輕人的自殺干預(yù)方法，在世界范圍內(nèi)是一種全新的嘗試。實(shí)施的結(jié)果表明，該方法可用于識(shí)別有自殺風(fēng)險(xiǎn)的人群并提供及時(shí)的危機(jī)管理。高危人群的識(shí)別是自動(dòng)且及時(shí)的，干預(yù)不僅是主動(dòng)的，而且效率高且接受度好，是對(duì)現(xiàn)有預(yù)防自殺方法的有效補(bǔ)充。促進(jìn)主動(dòng)自殺危機(jī)管理可以提高公眾對(duì)自殺想法尋求幫助的認(rèn)識(shí)，從而改善公共衛(wèi)生。這種模式能夠有效緩解像中國(guó)這樣的大型發(fā)展中國(guó)家人口龐大、心理服務(wù)薄弱，現(xiàn)有自殺預(yù)防系統(tǒng)不完善，等相關(guān)問(wèn)題的困境。

技術(shù)應(yīng)用與倫理及隱私保護(hù)的均衡

技術(shù)具有兩面性，大數(shù)據(jù)人工智能等也不例外。一方面，技術(shù)的發(fā)展拓展了人類的認(rèn)知范圍，提高了科學(xué)家們的研究能力，更為諸如抑郁識(shí)別、自殺預(yù)防等問(wèn)題提供了前所未有的新的解決方案;另一方面，隨之而來(lái)的隱私保護(hù)以及研究倫理問(wèn)題也不容小覷，如Facebook（臉書(shū)）公司最近兩年頻頻卷入非法使用用戶數(shù)據(jù)的丑聞當(dāng)中。

人們?cè)谙硎芗夹g(shù)發(fā)展帶來(lái)便利的同時(shí)，也需要我們更關(guān)注技術(shù)應(yīng)用的邊界。技術(shù)不能凌駕于人們的隱私和倫理之上，應(yīng)該是在合理的隱私保護(hù)以及倫理要求下的應(yīng)用。否則，技術(shù)的濫用可能會(huì)帶來(lái)更大的社會(huì)恐慌，就會(huì)得不償失。

在人工智能大數(shù)據(jù)等技術(shù)應(yīng)用于心理學(xué)研究的過(guò)程中，我們需要在獲取用戶個(gè)體隱私數(shù)據(jù)之前，需要征得用戶的知情同意，明確告知實(shí)驗(yàn)設(shè)計(jì)以及后續(xù)的數(shù)據(jù)使用;在數(shù)據(jù)處理過(guò)程中，采用匿名處理的方式，一方面，采用多次加密的方式保護(hù)用戶原始數(shù)據(jù)的隱私性;另一方面，也最大程度做好數(shù)據(jù)的保存與管理，防止數(shù)據(jù)外泄;在數(shù)據(jù)發(fā)表過(guò)程中，杜絕使用任何可識(shí)別出用戶身份信息的內(nèi)容。歐盟頒布的《通用數(shù)據(jù)保護(hù)條例》（General Data Protection Regulation），規(guī)定了企業(yè)如何收集，使用和處理歐盟公民的個(gè)人數(shù)據(jù)，值得我們借鑒。

合理合規(guī)使用技術(shù)的最新進(jìn)展，是開(kāi)展研究以及造福社會(huì)的重要底線。我們?cè)诳吹竭@種結(jié)合對(duì)心理學(xué)的潛在促進(jìn)作用的同時(shí)，也應(yīng)該特別關(guān)注帶來(lái)的隱私方面的潛在危害，通過(guò)立法等手段做到防患于未然。

結(jié)語(yǔ)

利用人工智能大數(shù)據(jù)技術(shù)，能夠幫助我們以更生態(tài)化的方式對(duì)個(gè)體與群體的心理行為規(guī)律進(jìn)行研究。利用行為大數(shù)據(jù)研究人們的認(rèn)知、情感和行為規(guī)律，結(jié)合人工智能建立基于社會(huì)實(shí)時(shí)感知數(shù)據(jù)的心理預(yù)測(cè)模型，形成個(gè)體心理、行為特征預(yù)測(cè)和群體心理、行為分析及決策支持的關(guān)聯(lián)架構(gòu)。生態(tài)化識(shí)別（Ecological Recognition）的提出，為心理學(xué)家提供了新的研究工具和視角。

隨著各類軟硬件以及智能設(shè)備的不斷迭代更新，數(shù)據(jù)的采集越來(lái)越豐富便捷，面向數(shù)據(jù)的智能分析手段在心理學(xué)的研究和應(yīng)用中一定會(huì)更加深入。除了在心理實(shí)驗(yàn)方面人工智能有著無(wú)法取代的潛力，在其他方面，人工智能也會(huì)大大拓展心理學(xué)的研究領(lǐng)域;隨著智能終端的不斷發(fā)展，移動(dòng)數(shù)據(jù)的不斷提速，人工智能不僅可以提供心理干預(yù)的平臺(tái)，更有可能成為心理干預(yù)的主力。

科學(xué)的研究方法將心理學(xué)從哲學(xué)中分離開(kāi)來(lái)，而人工智能和大數(shù)據(jù)則可能將心理學(xué)更深刻地帶入人們的生活。在充分使用新技術(shù)帶來(lái)便利的同時(shí)，我們也要保證數(shù)據(jù)被合規(guī)使用，使取之于眾的數(shù)據(jù)最終成為為大眾服務(wù)的利器而不是威脅。

參考文獻(xiàn)

AMICHAI-HAMBURGER Y.， BEN-ARTZI E.， 2000， "The relationship between extraversion and neuroticism and the different uses of the internet"， Computers in Human Behavior， 16（4）.

BRUNSWIK E.， 1956， Perception and the representative design of psychological experiment， Berkeley： University of California Press.

Hao B， Li L， Li A， et al.， 2013， Predicting mental health status on social media， International Conference on Cross-Cultural Design， Springer， Berlin， Heidelberg.

HARWOOD J， DOOLEY J J， SCOTT A J， et al.， 2014， "Constantly connected-the effects of smart-devices on mental health"， Computers in Human Behavior， 34.

KOSINSKI M， STILLWELL D， GRAEPEL T.， 2013， "Private traits and attributes are predictable from digital records of human behavior"， Proceedings of the National Academy of Sciences， 110（15）.

Li L， Li A， Hao B， et al.， 2014， "Predicting active users' personality based on micro-blogging behaviors"， PLOS ONE， 9（1）.

Liu M， Xue J， Zhao N， et al.， 2018，"Using social media to explore the consequences of domestic violence on mental health"， Journal of interpersonal violence.

Xingyun Liu， Xiaoqian Liu， Jiumo Sun， Nancy Xiaonan Yu， Bingli Sun， Qing Li， Tingshao Zhu.， 2019，"Proactive Suicide Prevention Online （PSPO）： Machine Identification and Crisis Management for Chinese Social Media Users With Suicidal Thoughts and Behaviors. J Med Internet Res"， Journal of Medical Internet Research （JMIR）， 21（5）.

Robins R W， Tracy J L， Sherman J W.， 2007， "What kinds of methods do personality psychologists use"， Handbook of research methods in personality psychology， Guilford， London.

WILSON K， FORNASIER S， WHITE K M.， 2009， "Psychological predictors of young adults' use of social networking sites"， Cyberpsychology & Behavior， 13（2）.

Yusong Gao， Ang Li， Tingshao Zhu， Xiaoqian Liu， Xingyun Liu.， 2016， "How smartphone usage correlates with social anxiety and loneliness"， PEERJ， 4.

責(zé) 編/肖晗題